Hacker News front pageAI 評分27
Show HN 上線生物學專案 Grimoire for Biology
Show HN 上出現了一個名為 Grimoire for Biology 的新專案，站點為 grimoire.bio，帖子發布於 2026 年 10 月 16 日。發布時該帖僅有 7 分、2 條評論，正文沒有提供功能說明、所屬公司、所用模型或價格等任何細節。想弄清它具體做什麼，目前只能訪問網站或翻看 HN 上的兩條評論。
搜尋
找到 9 筆
Google DeepMind blog● 精選AI 評分82
Google 推出 SynthID Bio，為 AI 生成蛋白質加水印
Google 發布 SynthID Bio，將水印技術引入合成生物學，可在不損害生物功能的前提下把不可感知的簽名嵌入蛋白質序列與 AlphaFold 3 預測的 3D 結構中。實驗覆蓋 VEGF-A、SARS-CoV-2 spike RBD 和 PD-L1 三個靶點，加水印設計的命中率、結合親和力與序列多樣性均與未加水印版本相當，並首次造出帶水印且具生物功能的蛋白質結合體。該方法面向 DNA 合成篩查與 PDB、UniProt、GenBank 等資料庫的溯源驗證。
X @AIatMetaAI 評分37
@AIatMeta: 6️⃣ Non-Associative Algebra: The team worked with Muse Spark to find an exception to a proposed rul…
Meta AI 團隊與 Muse Spark 合作，在受生物學啟發的數學結構研究中，找到了一個被提出規則的反例，並進一步給出替代性刻畫，經研究人員驗證與完善。相關論文已發布。
Hacker News front pageAI 評分15
經濟學人刊文：創造映象生命或很快成為可能
《經濟學人》2026 年 9 月 30 日刊文稱，創造“映象生命”可能很快就會成為可能。該文於 10 月 7 日被分享到 Hacker News，目前為 10 分、4 條評論。可獲取的資料僅含標題與連結，未給出研究團隊、技術路徑或時間表等細節。
X @OpenAIAI 評分58
OpenAI 推出 GPT-Rosalind 學術計劃，贊助美國高校實驗室
OpenAI 擴大 GPT-Rosalind 的學術研究存取權限，並推出新的 Rosalind Academic Plan。該計劃面向美國高校中符合條件的實驗室提供贊助訪問，用於理解生物學、探索想法並決定下一步測試什麼。OpenAI 稱，學術研究提出的問題往往需要數年才可能影響人類健康。
Anthropic News● 精選AI 評分78
Anthropic 推出生命科學驗證計劃 LSVP
Anthropic 於 2026 年 9 月 17 日推出生命科學驗證計劃（LSVP），向通過驗證的生命科學團隊開放 Mythos、Opus、Sonnet 模型，並放寬生物學相關工作的安全限制。計劃分 Standard Use 與 High-risk Use 兩類授權，前者按年續期、覆蓋整個團隊，後者針對單一專案、每六個月續期，可通過 Claude Science、Claude.ai、Claude Code 和 API 使用。
Hacker News front pageAI 評分71
Biohub 與 DOE、NIH、Google DeepMind 等投入 18 億美元建 AI 生物資料
Biohub、美國能源部（DOE）、NIH 與 Google DeepMind、Isomorphic Labs、Meta 等宣布共同投入 18 億美元，生成面向 AI 的開放生物學資料。其中 DOE 五年投入逾 5 億美元用於測量、建模與算力，NIH 協調此前超 5 億美元聯邦投資積累的生物醫學資料集，三家科技公司則向 2026 年 4 月啟動的 Virtual Biology Initiative 合計投入 3 億美元。
The Verge AIAI 評分68
Google DeepMind 與 Meta 等向虛擬細胞專案投資 3 億美元
Google DeepMind、Meta 與 AI 製藥公司 Isomorphic Labs 共同出資 3 億美元，投入由扎克伯格夫婦創立的非營利生物醫學機構 Biohub 牽頭的“虛擬細胞”專案。該專案屬於總額 18 億美元的“Virtual Biology”計劃，目標是建置可供 AI 使用的生物資料集與高精度預測模型，讓研究者能以數字化方式提出、預測並回答生物學問題，用於對抗疾病。Biohub 成立於 2016 年，長期以預測模型推動疾病防治研究。
Latent Space● 精選AI 評分66
DeepMind 與 Biohub 對談：AlphaFold 沒解決蛋白質摺疊
Google DeepMind 的 Pushmeet Kohli 與 Biohub 的 Sal Candido 在對談中表示，AlphaFold 的突破只是開始，蛋白質摺疊問題遠未解決。兩人認為僅擴大算力與資料不足以解決生物學問題，關鍵是先找到合適的 scaling law，低品質宏基因組資料也能提升蛋白質語言模型；建置虛擬細胞需要根本不同的資料集，研究須從單個蛋白質走向整個生物系統，治癒所有疾病要靠 10x 級突破而非漸進改進。